Upload
internet
View
106
Download
1
Embed Size (px)
Citation preview
Recuperação de Imagens por Conteúdo Através de Regiões Determinadas Automaticamente pela Energia
Luis Marcelo Bortolotti
Agma Juci Machado TrainaICMC - USP
Conteúdo
Introdução Método
Determinação dos MBRs Medidas de Textura Vetor de Características
Experimentos e Resultados Conclusões
Introdução e Motivação
Sistemas de Informação Hospitalar (SIH) atuais Organização de dados textuais e
numéricos sobre pacientes (exames realizados, procedimentos adotados)
Em alguns casos é possível a associação de dados textuais com exames
Introdução e Motivação
PACS (Picture Archiving and Communication Systems) integração em um único sistema todas as
informações dos pacientes (textos, imagens, gráficos)
Devido ao alto custo, é comum a obtenção de alguns módulos e o desenvolvimento de soluções particulares
Introdução e Motivação
Como os sistemas PACS organizam as imagens provenientes de exames efetuados sobre os pacientes, seria interessante adicionar a capacidade de consultas basedas em conteúdo, ou seja, consultas do tipo:
Quais são as 10 imagens de tomografia mais similares a uma imagem dada
Introdução e Motivação
Aqui é apresentado um método de extração de características extração de características de imagens baseado em MBRs (Minimum Bouding Rectangles) de regiões da imagem, determinados automaticamente através de informações de energia das linhas e colunas da imagem, e no processamento baseado em textura destas regiões
Conteúdo
Introdução Método
Determinação dos MBRs Medidas de Textura Vetor de Características
Experimentos e Resultados Conclusões
Extração de Características
O método de extração de características de imagens é dividido em duas fases: Determinação automática dos Minimum
Bounding Rectangles (MBRs) de regiões da imagem
Realização de medidas de textura sobre estas regiões
Extração de Características:
Determinação dos MBRs
Extração de Características:
Determinação dos MBRs
A transformada de wavelets de Daubechies é utilizada para criar uma miniatura (thumbnail) da imagem Eliminação de ruídos de alta freqüência A imagem mantém as propriedades
necessárias Maior velocidade no processamento da
imagem
Extração de Características:
Determinação dos MBRs
Imagem de entrada Miniatura
Transformada de wavelets
Extração de Características:
Determinação dos MBRs
Extração de Características:
Determinação dos MBRs
Sobre a miniatura é aplicado o filtro de bordas de Sobel Realce das bordas das estruturas
grandes da imagem
Extração de Características:
Determinação dos MBRs
Sobel
Imagem de entrada
Extração de Características:
Determinação dos MBRs
Extração de Características:
Determinação dos MBRs
Os MBRs das regiões são determinados por meio dos gráficos de energia das linhas e colunas da miniatura após a aplicação do filtro de Sobel
Energia: concentração das intensidades dos pixels de uma imagem
Extração de Características:
Determinação dos MBRs Energia das Linhas: soma das intensidades
dos pixels de uma dada linha da imagem
Energia das Colunas: soma das intensidades dos pixels de uma dada coluna da imagem
NL
ix ixIE
1
),(
NC
iy yiIE
1
),(
Extração de Características:
Determinação dos MBRsGráficos de Energia das
Linhas e Colunas
Extração de Características:
Determinação dos MBRs Pontos de máximo são localizados nos
gráficos de energia das linhas e colunas da imagem
Extração de Características:
Determinação dos MBRs As coordenadas dos MBRs são determinadas
pelos pontos de intersecção entre os gráficos de energia
Lista de MBRs
MBR1: (x1,y1,x2,y2)
MBR2: (x1,y1,x2,y2)
MBR3: (x1,y1,x2,y2)
MBR4: (x1,y1,x2,y2)
MBR5: (x1,y1,x2,y2)
...
MBRn: (x1,y1,x2,y2)
Extração de Características:
Determinação dos MBRs Uma razão entre a energia total do MBR e sua
área é calculada para determinar quais MBRs serão inseridos nos conjunto resposta
Lista de MBRs
MBR1: (x1,y1,x2,y2)MBR2: (x1,y1,x2,y2)MBR3: (x1,y1,x2,y2)MBR4: (x1,y1,x2,y2)MBR5: (x1,y1,x2,y2)MBR6: (x1,y1,x2,y2)MBR7: (x1,y1,x2,y2)MBR8: (x1,y1,x2,y2)MBR9: (x1,y1,x2,y2)
MBR10: (x1,y1,x2,y2)MBR11: (x1,y1,x2,y2)MBR12: (x1,y1,x2,y2)MBR13: (x1,y1,x2,y2)
MBR14: (x1,y1,x2,y2)MBR15: (x1,y1,x2,y2)MBR16: (x1,y1,x2,y2)MBR17: (x1,y1,x2,y2)MBR18: (x1,y1,x2,y2)MBR19: (x1,y1,x2,y2)MBR20: (x1,y1,x2,y2)MBR21: (x1,y1,x2,y2)MBR22: (x1,y1,x2,y2)MBR23: (x1,y1,x2,y2)MBR24: (x1,y1,x2,y2)MBR25: (x1,y1,x2,y2)
Extração de Características:
Determinação dos MBRs
Por fim as coordenadas são dos MBRs transpostas para a imagem de entrada
Transposição dos pontos
para a imagem original
Extração de Características:
Medidas de Textura
A extração de características de textura é feita utilizando-se a matriz de co-ocorrência proposta por Haralick Para cada MBR pertencente ao conjunto
de resposta, é calculada uma matriz de co-ocorrência
A partir da matriz, são calculados as medidas de Entropia e a Homogeneidade
Matrizes deCo-ocorrência
Medidas
Extração de Características:
Medidas de Textura
…
EntropiaHomogeneidade
EntropiaHomogeneidade
EntropiaHomogeneidade
EntropiaHomogeneidade
Vetor de Características
nMBR MBR1 MBR2 MBR3 ...
Área Energia Homogeneidade Entropia
Informações do MBR
Vetor de Características
Conteúdo
Introdução Método
Determinação dos MBRs Medidas de Textura Vetor de Características
Experimentos e Resultados Conclusões
Experimentos e Resultados
Testes realizados com um conjunto de 250 imagens de vários tipos de exames radiológicos Angiogramas do coração Ressonância magnética de cabeça, corte axial Ressonância magnética de cabeça, corte sagital Ressonância magnética do abdômen Ressonância magnética de coluna
Experimentos e Resultados
Angiograma RM cabeça axial RM cabeça sagital
RM abdômen RM coluna
Experimentos e Resultados
Experimentos: Consultas k-NN sobre o conjunto de
imagens processadas Resultados analisados por meio dos
gráficos de Precision x Recall
Experimentos e ResultadosR
es
ult
ad
os
Conteúdo
Introdução Método
Determinação dos MBRs Medidas de Textura Vetor de Características
Experimentos e Resultados Conclusões
Conclusões
O método apresenta baixo custo computacional Pode ser utilizado como um
processamento inicial de um conjunto de imagens
Melhores resultados com imagens que apresentam predominância de tecidos moles Massa encefálica, tecido muscular
Recuperação de Imagens por Conteúdo Através de Regiões Determinadas Automaticamente pela Energia
Luis Marcelo Bortolotti
Agma Juci Machado TrainaICMC - USP